[發明專利]基于多源數據多級融合的高速公路事件檢測方法及裝置

有效

• 申請號: 202210049374.7
• 申請日: 2022-01-17
• 公開（公告）號: CN114446052B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 沈永俊;屈琦凱;鮑瓊;張銳;楊苗苗
• 申請（專利權）人: 東南大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06F18/25
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 姜慧勤

本發明公開了一種基于多源數據多級融合的高速公路事件檢測方法及裝置，利用高速公路現有的線圈、微波及視頻檢測器實時采集道路交通流數據，構建道路交通安全云平臺；根據不同檢測器的布設位置，將高速公路原有線圈/微波檢測器布設間隔劃分為若干個小區間；分別構建事件狀態下基于線圈/微波數據的斷面交通流特征變量集和基于視頻數據的微觀車輛行為特征變量集；為實現多源信息的統一表示，構建基于多級深度自動編碼網絡的交通事件檢測模型；將小區間聚合數據作為輸入，通過模型輸出交通事件檢測結果。本發明在不增加現有交通設施情況下，充分利用多源交通數據，提升交通事件檢測率，改善道路運行安全，提高道路通行能力。

技術領域

本發明涉及基于多源數據多級融合的高速公路事件檢測方法及裝置，屬于道路交通安全技術領域。

背景技術

隨著我國機動化發展速度的日益加快，道路交通需求迅猛增長，高速公路總里程的不斷增加，隨之產生的道路交通安全等問題日益突出。據統計，美國60％的城市快速路和超過一半的高速公路擁堵是由交通事件造成的。在我國，交通事件引起的高速公路交通擁堵占總擁堵的50％～75％。研究表明，二次事故造成的嚴重程度比初次事故大很多，危險相較于初次事故增加600％。事件的處理時間越長，造成二次事故的概率就越大。因此，如何在盡可能短的時間內，準確而高效地檢測并識別道路交通事件是交通領域研究的重點。

針對基于多源數據的交通事件檢測方法，目前仍存在許多不足有待改進。例如，在交通事件檢測變量選擇方面，通常將原始交通流參數作為輸入變量，而忽略事件檢測變量集的構建和重要變量的選擇；針對多源信息的融合大多采用數據級別的融合，對多種類型的傳感器數據進行簡單的合成，沒有充分發揮多傳感器的優越性和互補性；部分交通事件檢測模型僅僅采用多種模型結果的融合，融合層面過于簡單，融合后的檢測效果沒有明顯提高。

發明內容

本發明所要解決的技術問題是：提供基于多源數據多級融合的高速公路事件檢測方法及裝置，在不增加交通設施的情況下，充分利用多源交通數據，顯著提升交通事件檢測率，為道路應急救援爭取時間，改善道路運行安全及提高道路的通行能力。

本發明為解決上述技術問題采用以下技術方案：

基于多源數據多級融合的高速公路事件檢測方法，包括如下步驟：

步驟1，利用高速公路原有的線圈以及視頻多源交通檢測器，獲取高速公路歷史交通數據，搭建道路交通安全云平臺，存儲多源交通數據；

步驟2，根據不同檢測器的布設位置，結合多源交通檢測器數據互補的特點，將高速公路原有的線圈檢測器布設間隔劃分為若干個小區間；

步驟3，對交通事件狀態下的交通流特性進行分析，利用車流波動理論，并結合線圈檢測器的數據特點，建立基于交通流數據的事件檢測特征變量集；

步驟4，查看發生交通事件的地點，結合該地點對應所在小區間對應的視頻檢測器獲取該地點所在小區間內車輛行駛軌跡，建立基于視頻檢測器數據的微觀車輛行為特征變量集；

步驟5，利用第一級深度自動編碼網絡和第二級深度自動編碼網絡對步驟3所述事件檢測特征變量集和步驟4所述微觀車輛行為特征變量集進行耦合，在統一的框架下實現多源數據的統一表示，以多源數據的統一表示為輸入，通過第三級深度自動編碼網絡，構建基于多級深度自動編碼網絡的交通事件檢測模型；

步驟6，實時采集高速公路交通數據，并對交通數據按照步驟3和步驟4相同步驟進行處理，利用步驟5構建的基于多級深度自動編碼網絡的交通事件檢測模型進行交通事件檢測。

作為本發明的一種優選方案，所述步驟2的具體過程如下：

步驟21，從高速公路事件檢測起始端開始，每隔固定的布設間隔布設一線圈檢測器，確定高速公路視頻檢測器的布設位置以及單個視頻檢測器能夠覆蓋的空間區域；